面向众筹平台的个性化推荐进化算法研究

摘要

随着互联网技术的逐渐成熟，筹集资金的方式也随之发生了很大的改变，传统的线下筹资模式的弊端逐渐暴露，例如，借贷者与出款人双方缺乏足够信任以及融资过程缺乏合理的透明度，常常导致双方交易失败。人们越来越迫切地需要一种高效安全并且符合个人需求的筹资平台，众筹作为一种新颖的筹资模式应运而生，其作为一种面向大众的线上融资模式，利用互联网用户的线上资金为某一特定项目筹措资金，由于其投资额度的门槛较低，并且能够为普通个人融资提供机会，因而受到大众的欢迎。特别是随着近几年的发展，众筹平台已经具有很大的规模。但是随着平台规模的扩大，平台收益并没有随之发生相对应的增长，平台面临着“信息超载”的难题，即投资者无法在海量的平台产品中快速筛选出符合个人偏好的产品。根据对现有众筹平台的调查，绝大多数平台系统仅提供分类排序的功能，此时，众筹平台迫切需要一种个性化的推荐系统，能够为用户挖掘出满足其个人兴趣偏好以及回报需求的产品。 随着近几年的探究，个性化推荐算法取得了一定的成果，能够在庞大的数据集合中为用户筛选出高精度的产品集合，然而目前的这些个性化推荐算法主要都是通过构造推荐模型或者混合不同的数据特征，用以捕获用户的个人偏好。此类算法大多通过单一的精度度量指标来评估推荐列表的质量高低。传统的个性化推荐算法在书评以及影评等网络平台中取得了不错的效果，然而众筹平台的产品不同于书籍和电影等产品，对于众筹平台中的绝大多数用户来说，投资收益是他们考虑是否出资某项产品的主要因素，传统的推荐算法却大多都忽视了推荐列表所带来的收益这一重要因素。同时，对于众筹平台来说，希望推荐列表具有高多样性，这样可以提高平台中产品的成功率。基于此，本文提出了面向众筹平台的个性化推荐进化算法，在牺牲少许精度的情况下（在用户可接受的范围内），为平台用户提供了高收益且高多样性的推荐列表。本文主要工作内容介绍如下: (1)首先提出了一种面向众筹平台的个性化推荐单目标进化算法SOEA-PRCP，在牺牲少许精度的情况下，可以为用户提供一个高收益且高多样性的推荐列表。在SOEA-PRCP中，针对于众筹平台个性化推荐的需求，提出两个度量指标，即效用-准确性(utility-accuracy)和话题-多样性(topic-diversity)，以度量用户的兴趣偏好。效用-准确性通过概率传播思想获得，用来度量推荐列表的精度和收益;话题-多样性通过推荐覆盖范围来评估，用来度量推荐列表的多样性。通过参数权重λ把两个子度量指标线性加权为一个综合度量指标，从而将该问题转换为单目标优化问题。基于此单目标优化问题，提出了一种面向众筹平台的个性化推荐单目标进化算法SOEA-PRCP。在SOEA-PRCP算法中，为了提高推荐列表的收益值，提出一种基于产品排名变动的初始化策略。实验数据来源于一个真实的众筹平台Indiegogo，基于此数据集，运行了SOEA-PRCP和几个基准算法。与传统的推荐算法相比，实验结果清晰地验证了SOEA-PRCP的有效性以及所提策略的有效性。 (2)提出了一种面向众筹平台的个性化推荐多目标进化算法MOEA-PRCP，在运行一次的情况下，能够为用户提供多个推荐列表，用以满足用户的不同兴趣偏好。通过第一篇的研究工作可以发现，从单目标优化视角来解决众筹平台中个性化推荐问题，虽然在收益和多样性指标上获得了不错的表现，但由于单目标优化方法运行一次仅可以为用户提供单一的推荐列表，无法满足用户的不同兴趣偏好，且对于用户来说，权重参数λ的设置显得很不方便，为改善用户投资体验，提升个性化推荐服务系统的性能，本文继而提出一种面向众筹平台的个性化推荐多目标进化算法，通过为每个用户提供一组推荐列表，更加全面地提升推荐列表质量。具体来说，MOEA-PRCP算法是同时优化效用-准确性(utility-accuracy)和话题-多样性(topic-diversity)这两个冲突的目标。基于此双目标优化问题，继而提出了面向众筹平台的个性化推荐多目标进化算法MOEA-PRCP。在MOEA-PRCP中，提出了一种父代局部最优基因保留的交叉策略，用以更加全面的提升推荐列表质量。较之SOEA-PRCP算法，MOEA-PRCP算法可以为用户提供多个最优推荐列表，以满足其多样性投资需求，并且实验结果的评估指标均有显著的提升。与传统的推荐算法相比，实验结果同时验证了MOEA-PRCP在众筹平台个性化推荐中的有效性和所提策略的有效性。